AWS 案例研究:益体康

etcomm-logo200-80

“使用AWS,益体康成倍地提升了AI训练和推理效率,大幅缩短了产品上市时间。基于云的方法可轻松支持十倍以上数据规模的模型训练场景。”

 

——益体康(北京)科技有限公司联合创始人兼CTO赵俊淋

关于益体康

益体康(北京)科技有限公司(以下简称“益体康”)创立于2007年,是国内最专业的智慧远程心电平台及专业会诊服务提供商之一。益体康积极响应国家发展基层医疗的号召,针对中小医疗机构远程心电会诊需求,以“互联网思维”一改以往传统IT建设老路,提出集产品、技术和服务于一体的创新全面运营服务方案,整合三甲医院专家资源,搭建跨区域的互联网+第三方心电服务网络,以此为入口,提供基层医生与医院专家之间的协作平台。

面临的挑战

一位河北邢台的张姓基层医生是益体康的客户,也是“全国十佳最美村医”之一。在多年的基层诊疗实践中,张医生积累了非常丰富的经验。有一次,一位八十多岁的老奶奶因胃部不适就医,经判断,张医生认为可能是心脏有问题,但不能确诊。通过益体康的远程心电设备和诊疗平台上的专家服务,张医生帮助患者第一时间确定了症状原因,并及时送医转诊,确保老人得到正确合理的救治。

在社区医疗中心、县医院、乡/镇卫生所等覆盖的基层医疗体系中,类似上面的故事几乎每天都在发生。面向基层和中小型医疗机构市场,益体康的远程心电诊疗平台充分赋能基层医疗,可快速提供专家级的诊疗服务,帮助小诊所、卫生院在现有体系框架下低成本地提升能力,确保患者获得及时、有效的救治,同时有效避免潜在的医疗事故风险。新冠肺炎疫情期间,益体康还起到了缓解大医院诊疗压力,减少人员跨区流动的作用。统计显示,2020年1月20日至2月4日期间,益体康远程心电诊疗平台响应的全国中小型医疗机构服务请求超3667人次。

商业模式上,益体康定位于“心电运营服务商”,聚焦远程心电诊疗平台的运营服务,应用人工智能辅助诊断是其核心特色。得益于早些年在设备、平台解决方案层面的积累,益体康迅速成长为医疗科技领域的瞪羚企业,其IT系统建设也从起初的成本投入导向开始发生变化,转向“更好地满足产品开发和运营服务需求”这一核心要义上。“随着业务发展,益体康开始寻找能够高效支撑人工智能应用创新的云服务商。事实上,益体康既是人工智能应用的开发者,也是受益者。”益体康联合创始人兼CEO周钷表示。

为什么选择AWS

以平台积累的大量心电数据为基础,益体康构建了独特的差异化优势:更精准的数据标注、更明确的应用场景、更高效的AI训练手段,以及反复优化、准确度更高的模型,进而帮助形成更有效的辅助诊断依据。赵俊淋认为,在益体康的商业模式下,云服务与业务发展是“共生”的关系。选择AWS,益体康主要看重的是以下几方面因素:

第一,AWS的产品线完备,提供的服务种类非常多。同时,AWS拥有丰富、完善的文档体系,支持快速搭建。从数据共享、应用开发到部署上线,益体康所有的应用场景均能在AWS体系中轻松、快速地获得对应解决方案,包括过去系统架构中缺失的一些模块,AWS都能够跨平台地帮助解决问题。

第二, AWS能够完整支持益体康当下和未来的AI应用创新,实现方式灵活多样且具有较高的性价比。比如,针对AI训练场景,益体康主要采用特别适合机器学习应用的Amazon EC2 P3实例;面向AI推理场景,则主要使用Amazon EC2 P2实例。系统支持灵活调整算力,大大加快模型训练速度。益体康联合创始人兼CTO赵俊淋坦言,益体康是AI的受益者,如何利用AI优化业务,提升服务能力是他们快速发展的核心。

第三,AWS拥有大量前沿的产品技术,且信息透明度高,可为架构和产品设计提供参考。实际操作中,益体康第一时间就能知晓AWS最新产品服务在国内的上市时间,并会定期到海外版本上进行了解和测试,提前规划产品服务路线图。如此,当适合自身应用场景需求的新产品服务正式推出时,益体康就能及时、精准地投入使用。同时,AWS团队服务专业,令人印象深刻。在益体康使用AWS的过程中,双方沟通的效率非常高,各类问题均能得到及时、有效的反馈,各种关于架构设计的讨论也能扎实落地,转化为预期的业务成果。“AWS的工单系统反应非常迅速。第一次提交时,基本是这边发出信息,那边电话马上就响起。”赵俊淋记忆犹新地说。

图1是益体康基于AWS的系统架构图,所使用的AWS服务包括Amazon Elastic Compute Cloud (Amazon EC2)Amazon Simple Storage Service (Amazon S3)Amazon Simple Storage Service Glacier (Amazon S3 Glacier)Amazon Relational Database Service (Amazon RDS)Amazon Elastic Block Store (Amazon EBS)AWS LambdaAWS Identity and Access Management (IAM)等。

ETComm-arch-diag

图1 益体康基于AWS的系统架构示意图

获得的成效

益体康最早于2018年底开始了解AWS,并于2019年夏开始AI模型产品研发快速部署测试。11月-12月,模型训练进入稳定阶段,2020年2月已实现产品服务试运行,商业产品将于3月正式上线。

从业务角度、基础架构运维角度、产品服务交付等各个角度看,AWS均为益体康带来了大量直观可见的收益。具体包括以下几个方向:

产品服务丰富,文档支持完备,让IT挣脱束缚,放开手脚。起初,益体康团队中一些经验较为丰富的开发工程师对完全上云的方案持怀疑态度,尤其在关系型数据库应用方面比较保守。通过参加AWS大量的线上线下培训,工程师团队在更新知识体系的同时慢慢转变了想法,更在进一步体验了IAM支持的精细访问控制等相关安全细节后,彻底“路转粉”。

事实上,从最小到最大的算力需求,益体康都能在AWS上找到答案。赵俊淋介绍,比如有时团队有一个新想法,需要搭建集群测试环境。针对这类场景,通过使用Amazon EC2 Spot实例,在最高可节省成本达90%的同时获得海量算力,为业务提供更多灵活选择。而在有些存在大量数据交互,或对时延要求较高的场景中,业务上线即可能遭遇瓶颈,Amazon RDS也可通过快速升级的方式解决问题。

AWS帮助益体康大幅缩短了产品上市时间,工作效率成倍提升。使用AWS前,益体康采用配备高端GPU的物理机开展模型训练,过程基本就是排队,每个星期只够训练一个模型。参与训练的数据量级通常在十万到二十万,甚至更多,这还是对数据进行了裁剪后的情况。使用AWS后,益体康对模型进行了分类,针对不同数据规模的模型训练场景适配不同的实例类型。目前,益体康服务于最终心电辅助诊断的模型数量已达10个左右,每个模型拥有一百多层结构。

在某些特定业务场景方向上,AWS也为益体康提供了更多灵活、高效的成本优化选项。比如,益体康的有些客户会对接HIS或第三方体检系统,抓取心电图的PDF文件,运算开销是比较大的。由于此类场景具有频度低、并发量大的特点,长期租用Amazon EC2实例的方法并不划算。通过使用Lambda,益体康可在服务请求发生时自动按需运行,无需造成资源闲置,充分利用其灵活、实时、高性能以及按使用时间精确计费等特性,满足业务需求。

未来,益体康计划使用Amazon SageMaker训练AI模型,不断优化机器学习过程和结果,同时尝试将更多应用迁移到Lambda,进一步降本增效,提升总体性能。

更多信息

了解如何借助功能强大的GPU加快机器学习,训练优化您的AI模型,请访问Amazon EC2 P3实例详细信息页面。

了解医疗保健与生命科学客户如何受益于AWS提供的敏捷性和创新,请访问医疗保健与生命科学详细信息页面。